Mengapa Pengenalan AI dalam Perawatan Jangka Panjang Membutuhkan Waktu yang Lama

AI membuat kemajuan signifikan di banyak industri, tetapi adopsinya di fasilitas perawatan jangka panjang tetap lambat dan menantang. Sementara AI memiliki potensi untuk merevolusi perawatan pasien melalui deteksi jatuh, pencegahan luka baring, dan penilaian kualitas tidur, jalan menuju penerapan yang luas telah menjadi tidak cepat. Ini adalah masalah yang sangat penting bagi investor, manajer rumah perawatan, dan integrator sistem, yang semuanya menyadari potensi transformasi yang ditawarkan AI. Namun, meskipun janji itu, AI di perawatan jangka panjang tidak diimplementasikan dengan kecepatan atau skala yang kita harapkan.

Bukan berarti AI harus diterima tanpa pertimbangan atau pemeriksaan, tetapi ada kekhawatiran yang jelas di industri perawatan yang menyebabkan sektor ini tertinggal. Jika Anda melihat ke tempat lain, ada lebih banyak keterbukaan terhadap AI dari industri lain, bahkan di sektor kesehatan yang berbeda. AI digunakan lebih dan lebih untuk mendiagnosis penyakit, melatih pekerja kesehatan, dan membuat hidup mereka lebih mudah, sehingga mengapa tidak sama di perawatan jangka panjang?

Apa yang Harus Diketahui Venture Capitalis

Bagi venture capitalist, AI perawatan jangka panjang menarik karena beberapa alasan. Pertama, perangkat lunak kesehatan biasanya dijual melalui perjanjian lisensi berulang, yang membuat perusahaan yang menawarkan solusi ini menjadi target akuisisi yang ideal. Perusahaan dengan pendapatan berulang, terutama di sektor yang kuat seperti kesehatan, menarik untuk akuisisi dengan valuasi premium. Aktivitas pasar baru-baru ini menunjukkan hal ini: misalnya, pada Juli 2024, Nordic Capital mengakuisisi Senso, sementara Avasure mengakuisisi Ouva, menandai investasi yang kuat di ruang perawatan jangka panjang.

Namun, meskipun ada penggerak pasar ini, VC sering bertanya, “Teknologi apa yang akan mendominasi?” Ada banyak pesaing – wearable, radar, dan sensor optik – tetapi mengidentifikasi solusi yang menang tidaklah mudah bagi mereka.

Manajer Rumah Perawatan: Menghadapi Agenda yang Bersaing

Masalah utama bagi penyedia perawatan jangka panjang adalah kekurangan staf yang terus meningkat. AI dapat membantu dengan meningkatkan produktivitas perawat sebesar 20-30%, membuatnya menjadi alat yang penting untuk mempertahankan kualitas perawatan di tengah keterbatasan sumber daya. Namun, manajer perlu menyadari agenda yang bersaing di antara penyedia. Banyak integrator sistem telah membangun hubungan jangka panjang dengan rumah perawatan, dan mereka mungkin tidak sepenuhnya termotivasi untuk menerima AI. Alasannya sederhana: pendapatan mereka bergantung pada menjual dan memelihara sistem yang ada, yang sering sudah ketinggalan zaman. Sistem ini mulai digantikan oleh pengenalan AI, yang menyederhanakan segalanya dan menggunakan peralatan yang lebih sedikit, seperti hanya satu kamera yang dapat digabungkan dengan pembelajaran visi komputer.

Rumah perawatan jangka panjang sangat bergantung pada teknologi yang sudah ketinggalan zaman ini, yang sering dipasang oleh integrator sistem dengan kepentingan keuangan yang kuat untuk mempertahankan status quo. Daftar produk yang saat ini digunakan termasuk sensor gerak inframerah, kontak pintu, pemantauan akustik, sensor tempat tidur, dan perangkat wearable. Sementara sistem ini fungsional, mereka jauh dari optimal karena menghasilkan banyak peringatan palsu yang membuat perawat mengalami kelelahan peringatan. Keuntungan bagi integrator sistem adalah bahwa sistem ini memerlukan pemeliharaan dan dukungan yang sering.

Bagi integrator sistem yang berspesialisasi dalam keamanan, pasar perawatan jangka panjang menawarkan kesempatan yang menjanjikan. Keamanan adalah ruang yang sangat kompetitif – “laut merah”. Di sisi lain, fasilitas perawatan jangka panjang mewakili “laut biru” yang muncul berkat pengenalan AI. Ada uang yang dapat dibuat oleh mereka yang mau beralih ke pasar yang sedang berkembang ini, tetapi mereka harus memahami tantangan unik yang dibawa AI ke meja.

Masalah yang Menghimpit di Perawatan

Masalah yang dihadapi sektor perawatan jangka panjang sangat besar dan dua arah:

1. Peningkatan permintaan perawatan, dipicu oleh populasi yang menua dengan cepat dan harapan hidup yang lebih panjang.
2. Pasokan perawat yang terus menurun, diperburuk oleh tingkat kelahiran yang menurun selama beberapa dekade terakhir. Analisis baru-baru ini menemukan bahwa tingkat kesuburan di Inggris menurun lebih cepat daripada negara G7 lainnya, menurun sebesar 8%.

Secara global, pasar tempat tidur perawatan diperkirakan akan meledak – dari 63 juta saat ini menjadi 121 juta pada 2050. Tantangan adalah bagaimana memenuhi permintaan yang meningkat ini sambil mengelola sumber daya manusia yang terbatas. Pekerja perawatan di seluruh dunia sudah bekerja keras, dengan jam kerja panjang, gaji rendah, dan stres tinggi, menyebabkan banyak dari mereka meninggalkan industri ini.

Mengapa Adopsi AI Membutuhkan Waktu yang Lama

Pengadopsian AI yang lambat di perawatan jangka panjang disebabkan oleh empat faktor utama:

1. Perlawanan Integrator Sistem: AI mengancam untuk menggantikan banyak sensor yang saat ini digunakan di fasilitas perawatan dengan solusi berbasis kamera yang ditenagai oleh visi komputer yang canggih. Ini, pada gilirannya, mengancam aliran pendapatan integrator sistem yang ada. Dalam banyak cara, situasi ini mirip dengan pertempuran bisnis lain yang terdokumentasi dengan baik – seperti Netflix vs. Blockbuster atau kamera digital vs. Kodak dan Polaroid. Potensi gangguan AI jelas, tetapi ketidaksabaran pemain yang ada untuk menerimanya juga jelas.
2. Keterlambatan Perangkat Keras: Ahli robotika MIT Rodney Brooks menunjukkan bahwa sementara adopsi perangkat lunak terjadi dengan kecepatan kilat (pikirkan ChatGPT yang mencapai 100 juta pengguna dalam dua bulan), perangkat keras membutuhkan waktu lebih lama untuk diimplementasikan. Solusi yang ditenagai AI memerlukan kamera fisik, kabel, dan instalasi, yang secara inheren memperlambat proses adopsi.
3. Hambatan Pelatihan dan Budaya: Di perawatan jangka panjang, perawat muda belajar di tempat kerja dari staf yang lebih berpengalaman. Sementara model mentorship ini memiliki kelebihannya, juga menciptakan hambatan signifikan untuk menerima teknologi baru seperti AI. Perawat yang terlatih dalam metode tradisional sering resisten terhadap belajar cara bekerja dengan sistem canggih, yang dapat memperlambat integrasi.
4. Persepsi: AI telah mendapat kritik besar, terkadang secara masuk akal tetapi terkadang karena kurangnya pendidikan tentang subjek. Ada kekhawatiran bahwa AI akan menggantikan pekerjaan di bidang kesehatan, mengambil pendapatan dari orang-orang yang bekerja keras. Namun, ketika AI dibuat dan diterapkan dengan benar, tujuannya bukan untuk mengambil pekerjaan, tetapi untuk meningkatkan dan membuat pekerjaan orang lebih mudah dan memungkinkan mereka untuk fokus pada bagian penting dari pekerjaan perawatan.

Kesimpulan: Masa Depan Sudah Tiba—Tetapi Datang dengan Lambat

AI menawarkan potensi transformasi bagi perawatan jangka panjang, tetapi proses adopsi jauh lebih lambat dari yang diperlukan. Manajer rumah perawatan harus mengenali kesempatan yang ditawarkan AI untuk meningkatkan produktivitas, bahkan jika itu menantang lanskap penyedia yang ada. Venture capitalist harus memantau teknologi visi yang mempersatukan dan memperbaiki sistem yang saat ini terfragmentasi. Integrator sistem yang beralih untuk menawarkan solusi berbasis AI di perawatan jangka panjang dapat memposisikan diri mereka untuk sukses di pasar yang sedang tumbuh dan belum terlayani.

Akhirnya, pengenalan AI ke dalam perawatan jangka panjang akan menjadi proses yang lambat tetapi tak terhindarkan. Pertanyaannya bukanlah apakah AI akan mengubah sektor ini, tetapi seberapa cepat itu akan terjadi – dan siapa yang akan memimpin.